DISTRIBUZIONI DI PROBABILITA
|
|
- Gemma Righi
- 5 anni fa
- Visualizzazioni
Transcript
1 PSICOMETRIA Corso di laurea triennale (classe 34) DISTRIBUZIONI DI PROBABILITA
2 DISTRIBUZIONE DI PROBABILITA I possibili risultati di un esperimento costituiscono uno spazio campionario di n eventi A ciascun evento possiamo associare la probabilità del suo verificarsi DISTRIBUZIONE DI PROBABILITA definita da tutti i possibili risultati e le corrispondenti probabilità
3 PSICOMETRIA Corso di laurea in Valutazione e Consulenza clinica (classe 34) DISTRIBUZIONE BINOMIALE
4 DISTRIBUZIONE BINOMIALE Quando ciascun evento semplice può avere soltanto due possibili risultati mutuamente escludentisi (per es. testa o croce; vero o falso; ecc.) dalla loro combinazione (ripetendo le prove) si ottengono eventi composti indipendenti ai quali è possibile associare la probabilità del loro verificarsi.
5 Esempio Un test è composto da 0 domande con risposta vero/falso. Quali sono le probabilità associate ai possibili risultati? n = 0 prove eseguite k = 0 0 eventi favorevoli n-k = 0 0 eventi non favorevoli p = / = probabilità di successo q = / = probabilità di insuccesso
6 DISTRIBUZIONE BINOMIALE p(k) n k k n p q k dove: p(k) = probabilità associata a k eventi favorevoli in n prove n = numero delie prove k = numero degli eventi favorevoli (successi) che va da 0 a n Continua
7 DISTRIBUZIONE BINOMIALE dove: k n p q n-k = numero degli eventi non favorevoli (insuccessi) p = probabilità associata al successo q = probabilità associata all insuccesso n k p(k) n k = coefficiente binomiale, ovvero n C k n C k n k k! n! n k! k
8 Fattoriale: n fattoriale (n!) prodotto degli interi positivi da n a n! n n n... n n Per il calcolo, occorre moltiplicare n per tutti i numeri interi che lo precedono
9 Esempio di fattoriali 9!= = != =6x5!= 70 3!=3 =6!= =!=x= 0!= (per convenzione)
10 DISTRIBUZIONE BINOMIALE Se a k si fanno assumere tutti i valori da 0 a n probabilità associate: p(0) p() p() n 0 n n 0 n p q n p q n p q q n k! npq n! n n k! k = 0 k = n p q k = p(n) n k k n p q k p n k = n
11 DISTRIBUZIONE BINOMIALE Se a k si fanno assumere tutti i valori da 0 a 0 si calcolano le relative probabilità p(0) k = 0 p() k = p() k = p(0) k = 0
12 DISTRIBUZIONE BINOMIALE La somma di tutte le probabilità ottenute al variare di k da 0 a 0 è uguale a k p(k) k n p(k) p(k) Distribuzione discreta simmetrica k
13 DISTRIBUZIONE BINOMIALE La somma di tutte le probabilità associate ai possibili risultati è uguale a Le probabilità così calcolate definiscono una distribuzione di probabilità binomiale che ha la caratteristica di essere discreta La distribuzione di probabilità binomiale è definita dai parametri p e q
14 Tavola B (del manuale)
15 DISTRIBUZIONE BINOMIALE Se p=q=.50 la distribuzione è simmetrica Se p q.50 la distribuzione è asimmetrica Se p <.50 è asimmetrica positiva Se p >.50 è asimmetrica negativa Aumentando n (il numero delle prove) la distribuzione tende alla simmetria qualsiasi sia p.50
16 Esempio Un test è composto da 0 domande con risposta vero/falso/non so. Quali sono le probabilità associate ai possibili risultati? n = 0 eventi possibili k = 0 0 eventi favorevoli n-k = 0 0 eventi non favorevoli p = /3 = probabilità di successo q = /3 = probabilità di insuccesso
17 Esempio Se a k si fanno assumere tutti i valori da 0 a 0 si calcolano le relative probabilità p(0) k = 0 p() k = p() k = p(0) k = 0
18 Esempio La somma di tutte le probabilità ottenute al variare di k da 0 a 0 è uguale a k p(k) n k p(k) p(k) Distribuzione discreta asimmetrica positiva (p <.50) k
19 DISTRIBUZIONE BINOMIALE Proprietà della binomiale Come una qualsiasi distribuzione di frequenza la distribuzione di probabilità binomiale ha una media, una varianza e una deviazione standard np npq npq
20 Esempio n=0, p=.50 e q= n=0, p=/3 e q=/
21 PSICOMETRIA Corso di laurea in Valutazione e Consulenza clinica (classe 34) DISTRIBUZIONE NORMALE
22 X DISTRIBUZIONE NORMALE La distribuzione NORMALE è rappresentata da una particolare curva continua a forma campanulare (gaussiana) Y
23 RELAZIONE TRA BINOMIALE E NORMALE Lancio moneta: k= risultato testa con p= p n= lancio 0 k
24 RELAZIONE TRA BINOMIALE E NORMALE Lancio moneta: k= risultato testa p n=4 lanci k
25 RELAZIONE TRA BINOMIALE E NORMALE Lancio moneta: k= risultato testa p n=0 lanci k
26 DISTRIBUZIONE NORMALE E definita dalla seguente equazione: Y f x e x dove: =media della popolazione =d.s. della popolazione =costante (=3.4) e=costante (=.78)
27 DISTRIBUZIONE NORMALE Per qualsiasi valore x che la variabile può assumere, attraverso la funzione si calcola la y corrispondente Y y i e xi y i x i X
28 DISTRIBUZIONE NORMALE Ha le seguenti caratteristiche: INFINITA: va da - a + SIMMETRICA rispetto alla Y massima (f(x)= punto più alto x= ) UNIMODALE ( =Mo=Me) ASINTOTICA: si avvicina all asse delle X senza mai toccarlo
29 DISTRIBUZIONE NORMALE CRESCENTE per - <x< e DECRESCENTE per <x<+ due punti di flesso a da Y y Punti di flesso Media=Moda=Mediana Asintotica X +
30 DISTRIBUZIONE NORMALE La curva NORMALE è definita dai parametri e famiglia di distribuzioni normali con medie e deviazioni standard diverse Y X
31 DISTRIBUZIONE NORMALE Qualsiasi siano i parametri e, l area della porzione di curva delimitata dalla media e un ordinata espressa in termini di deviazioni standard è costante + = 34.3% della distribuzione + = 47.73% della distribuzione +3 = 49.86% della distribuzione
32 DISTRIBUZIONE NORMALE Porzioni della distribuzione comprese tra,,3 deviazioni standard da (in %) Y 99.73% 95.46% 68.6% X
33 PSICOMETRIA Corso di laurea in Valutazione e Consulenza clinica (classe 34) DISTRIBUZIONI CAMPIONARIE
34 DISTRIBUZIONI CAMPIONARIE Le distribuzioni campionarie (media, proporzioni, varianza, e qualsiasi altro indicatore) assumono forme simili alle più importanti distribuzioni teoriche di probabilità (normale, t di Student,, F di Fisher, ) delle quali si possono usare le proprietà e i valori tabulati.
35 DISTRIBUZIONE CAMPIONARIA DELLE MEDIE Supponiamo di avere una popolazione con media e varianza e supponiamo di estrarre in modo casuale campioni tutti di numerosità n. Si dimostra che calcolando le medie dei campioni estratti, la distribuzione di tali medie è una normale con media e varianza n X
36 ESEMPIO Popolazione (fittizia) di n=3 Punteggi X: Parametri: = 7 =.66 =.63 Estraggo con reimmissione tutti i possibili campioni di n = Totale campioni = nd r = 3 D = 3 = 9
37 ESEMPIO Campioni X X X f Xf X f n X 63 9 X 7
38 PROPRIETA DELLA DISTRIBUZIONE CAMPIONARIA FORMA: per n>30 normale MEDIA: X VARIANZA: X n DEVIAZIONE STANDARD: X n
39 DISTRIBUZIONE CAMPIONARIA DELLA MEDIA La FORMA dipende dalla n (numerosità dei campioni: n piccolo Media meno precisa n=900 n=00 n=0 X X X
40 TEOREMA DEL LIMITE CENTRALE: dcm e Normale Se si estraggono ripetuti campioni di ampiezza n da una popolazione, qualsiasi sia la forma della distribuzione nella popolazione: all aumentare di n la distribuzione campionaria della media tende ad avvicinarsi alla normale e può essere considerata normale per n 30
41 DISTRIBUZIONE CAMPIONARIA DELLA MEDIA DISTRIBUZIONE CAMPIONARIA DELLE MEDIE con n>30 DISTRIBUZIONE DI PROBABILITA NORMALE STANDARDIZZATA TRASFORMAZIONE IN z M=media da standardizzare z M M M= media della dcm (= ) n n= ampiezza campionaria M= errore standard della dcm
42 A che serve la z? A che serve l errore standard? La trasformazione in z, traduce una differenza fra medie dalla metrica originaria (es: peso), in una nuova metrica, in cui la nuova unità di misura corrisponde all errore standard Possiamo risalire alla probabilità di osservare una discrepanza dalla media dell entità espressa da z. Infatti, la z, segue la distribuzione normale di probabilità Rispetto alle differenze fra medie nella metrica originaria, la z ci aiuta a capire quanto è importante in termini probabilistici la differenza osservata. Questo perché l errore standard è un unità di misura delle differenze più interessante rispetto alle unità di misura originarie. L errore standard rappresenta l errore medio della stima che noi effettuiamo calcolando la media campionaria Una differenza grande svariate volte l errore medio della stima, è un evento poco probabile, e tutto ciò che è poco probabile è in genere molto informativo.
43 RIASSUMENDO La dcm la si ottiene calcolando la media di ciascun campione estratto da una popolazione con una sua distribuzione con e La media della dcm è la media delle medie, la deviazione standard si calcola con gli scarti di ciascuna media campionaria dalla media delle medie La POPOLAZIONE può avere distribuzione: Normale diversa dalla normale non nota Se n>30 la distribuzione delle medie dei campioni da essa estratti è NORMALE, per qualunque distribuzione della variabile.
44 DISTRIBUZIONE CAMPIONARIA DELLA MEDIA: t di Student La POPOLAZIONE può avere distribuzione: Normale diversa dalla normale non nota Se n<30 la distribuzione delle medie dei campioni è del tipo t di Student. Ha le seguenti caratteristiche: INFINITA, SIMMETRICA, UNIMODALE, ASINTOTICA
45 DISTRIBUZIONE t di Student a confronto con la Normale Rispetto alla normale la varianza della distribuzione sarà maggiore Perché n < 30 (campioni piccoli) curva più appiattita e code più lunghe (ad es. la porzione di area compresa tra dalla media sarà minore del 68%) Distribuzione Normale Distribuzione t di Student - + t
46 DISTRIBUZIONE t di Student La forma della distribuzione t varia secondo la dimensione n dei campioni Ciascuna distribuzione t è definita dai parametri, e = gradi di libertà La t è quindi una Famiglia di distribuzioni legate a il numero di = gradi di libertà (all aumentare di la distribuzione tende alla normale) Distribuzione Normale n Distribuzione t di Student con =30 Distribuzione t di Student con =5 t
47 DISTRIBUZIONE t di Student Come per la normale p( x ) f ( t) dt La curva definisce una distribuzione di probabilità Distribuzione di probabilità t definita dall indicatore: t M ˆ M M ˆ M s n
48 DISTRIBUZIONE t: RIASSUMENDO DISTRIBUZIONE CAMPIONARIA DELLE MEDIE con n<30 DISTRIBUZIONE DI PROBABILITA t Media da standardizzare Gradi di libertà legati a n = ampiezza campionaria TRASFORMAZIONE IN t t M n s M Media della dcm (= ) Errore standard della dcm stimato a partire da s
49 A che serve la t Come la trasformazione in z, la trasformazione in t scala le differenze osservate secondo una nuova unità di misura data dall errore standard. Attenzione: non confondere la distribuzione t con i punteggi T! Questa nuova scala segue una distribuzione nota Quindi possiamo sapere quanto è probabile osservare una data differenza; Se una differenza supera di svariate volte l errore standard di misura ci troviamo di fronte ad una differenza improbabile, e quindi interessante e informativa
50 Uso della DcM: Intervallo di confidenza Nella stima dei parametri ci interessa scoprire in quale intervallo cadrà la medie della popolazione dalla quale abbiamo estratto un campione. È l equivalente della forchetta che i sondaggisti affiancano ai risultati degli exit poll o delle proiezioni su un campione di seggi Esempio: Avendo un campione di anziani affetti da tre anni da demenza progressiva e osservando una di 68 al QI, quale sarà la media della popolazione? X
51 IINTERVALLO DI FIDUCIA Sfruttando le proprietà della normale Y 99.73% 95.46% 68.6% X
52 INTERVALLO DI FIDUCIA Posso affermare che in un campione casuale di n>30 soggetti si avrà una probabilità del 68,6% di ottenere compreso nell intervallo X X del 95,47% del 99,73% 3 X X
53 INTERVALLO DI FIDUCIA OPPURE posso affermare avendo estratto un campione casuale di n>30 soggetti con media X si avrà una probabilità del 68,6% che la media della popolazione sia compresa nell intervallo del 95,47% X X X X del 99,73% X 3 X
54 Esercizio Dato un campione di numerosità n = 50 con e S=.8 X 9 calcolare l intervallo di fiducia al 95% per la media della popolazione Facendo riferimento alla distribuzione normale standardizzata e all area 95% X z X z 95% X 95% X
55 Esercizio Sostituendo a z 95% il valore corrispondente e stimando la deviazione standard con il Campione (stima non distorta) si ottiene X s n.8 49 cioè X s n.8 49
56 Esercizio Si può concludere che la media della popolazione sarà compresa tra con una probabilità del 95%
57 Esercizio Utilizzando i dati dell esempio precedente: X 9 e S=.8 Stimare l intervallo di confidenza per la media della popolazione:. con una fiducia del 99%. Con una fiducia del 90%
58 La statistica è facile!!! Distribuzioni campionarie della differenza fra le medie
59 Distribuzione campionaria della differenza fra medie Se si estraggono da due popolazioni distribuite normalmente (con medie e, varianze e ) un gran numero di campioni indipendenti di ampiezza n e n, e si calcola la differenza tra le loro medie ottengo: DISTRIBUZIONE CAMPIONARIA DELLA DIFFERENZA TRA MEDIE (dcdm) La DISTRIBUZIONE CAMPIONARIA DELLA DIFFERENZA TRA MEDIE (dcdm) è caratterizzata da: una media ( M -M ); un errore standard ( M -M ) Se n e n sono maggiori di 30, per il Teorema del limite centrale, la dcdm è normale qualsiasi sia la distribuzione delle popolazioni
60 Distribuzione campionaria della differenza fra medie La media della distribuzione campionaria della differenza tra medie è uguale alla differenza delle medie e delle due popolazioni M M M M L errore standard è uguale alla radice quadrata della somma delle varianze e delle due popolazioni fratto le rispettive ampiezze campionarie n e n M Usando questo errore standard possiamo riscalare la differenza osservata fra le due medie in termini di errore standard (trasformazione in z) M n n
61 Se e non sono note occorre stimarle a partire da s e s Stima dell errore standard VARIANZE STIMATE DELLA POPOLAZIONE ˆ s n n ˆ s n n ˆ n s n s M M Distribuzione campionaria della differenza fra medie
62 Distribuzione campionaria della differenza fra medie La z rappresenta un caso particolare, più in generale: Se n e n sono minori di 30 la DISTRIBUZIONE CAMPIONARIA DELLA DIFFERENZA TRA MEDIE (dcdm) non è normale Distribuzione t di Student con gradi di libertà: gdl = n + n - t x ns n x n n ( s ) n n n n x x
63 Riassumendo Le distribuzioni della differenza campionaria delle media sono concettualmente simili alle distribuzioni campionarie delle media. Siccome conosciamo la forma di queste distribuzioni (o sono normali, o sono del tipo t) è possibile calcolare un indicatore delle differenze (o z o t) tramite il quale deriviamo un indicazione probabilistica dell entità delle differenze osservate. La z è un caso particolare (distribuzione normale) di un caso più generale (distribuzione t) Ricordiamoci che differenze grandi (grandi z o grandi t) indicano differenze poco probabili. Ora sappiamo tutto ciò che ci serve per affrontare la verifica delle ipotesi.
64 La statistica è facile!!! Altre distribuzioni
65 PSICOMETRIA Corso di laurea in Valutazione e Consulenza clinica (classe 34) DISTRIBUZIONE
66 DISTRIBUZIONE (chi quadro) Data una distribuzione normale standardizzata ( =0; =) i punti z rappresentati sull asse delle ascisse possono assumere sia valori negativi che positivi. Si definisce x i z i
67 DISTRIBUZIONE Estraendo a caso punti z per costituire campioni con n= ottengo una distribuzione (campionaria) teorica con = (due gradi di libertà, gdl=) f( ) = [ = z + z ]
68 DISTRIBUZIONE Estraendo a caso punti z per costituire campioni con n=4 ottengo una distribuzione (campionaria) teorica con =4 (gdl=4) f( ) =4 [ = z + z + z 3 + z 4]
69 DISTRIBUZIONE Si ottiene una famiglia di distribuzioni che variano al variare del parametro (numero degli elementi del campione). In generale: f( ) i z =n [ = z + z z n]
70 DISTRIBUZIONE Funzione continua che va da 0 a (entro il quadrante positivo degli assi cartesiani) La forma dipende da (al crescere dei gradi di libertà tende alla simmetria) Si usa la curva per calcolare la probabilità associata ai valori di (porzioni di area), sapendo che: p(0 ) 0 f( )d
71 GRADI DI LIBERTA I gradi di libertà sono dati dal numero di valori liberi di variare entro un equazione n +n + n 3 =N con k=3 (n addendi) Se N non è fisso, tutti gli addendi sono liberi di variare: = k Se N è fisso, tutti gli addendi sono liberi di variare meno uno: = k-
72 GRADI DI LIBERTA Esempio: n + n + n 3 =0 gdl=k-=3-= Infatti, due sono gli addendi liberi di variare, il terzo è vincolato al totale che deve essere = = = 0 Valore fisso =Vincolo Valori liberi di variare = Gradi di libertà Valore vincolato ad N
73 DISTRIBUZIONE Pearson dimostra che considerando una distribuzione di frequenza con f o (frequenze osservate), f t (frequenze teoriche) e k (n di categorie della distribuzione): i k (f o f t f ) t i z [assimilabile]
74 DISTRIBUZIONE Ogni volta si debba confrontare una distribuzione teorica e una osservata si può fare riferimento alla distribuzione teorica di probabilità del Disponendo di una distribuzione di frequenza è possibile usare il per la VERIFICA DELL IPOTESI (Prevalentemente il si usa quando si hanno variabili su scale non metriche)
75 PSICOMETRIA Corso di laurea in Valutazione e Consulenza clinica (classe 34) DISTRIBUZIONE F di Fisher
76 DISTRIBUZIONE F di Fisher La distribuzione teorica F di Fisher (o Snedecor) è definita dal rapporto tra chi indipendenti F e = gradi di libertà
77 DISTRIBUZIONE F di Fisher Famiglia di distribuzioni che variano al variare dei parametri e f(f) = e =4 = = = =4 F
78 DISTRIBUZIONE F di Fisher La forma dipende da e Funzione continua che va da 0 a (entro il quadrante positivo degli assi cartesiani) Si usa la curva per calcolare la probabilità associata ai valori di F (porzioni di area), sapendo che: p(0 F ) f(f)df 0
79 DISTRIBUZIONE F di Fisher La curva definisce una distribuzione di probabilità Distribuzione F definita dall indicatore: F F
80 DISTRIBUZIONE F di Fisher Poiché: ŝ ŝ F, ŝ ŝ F ŝ ŝ n n con ŝ
81 DISTRIBUZIONE F di Fisher Se si estraggono da due popolazioni distribuite normalmente (con varianze omogenee = ), campioni indipendenti di ampiezza n e n, s e s DISTRIBUZIONE CAMPIONARIA DEL RAPPORTO TRA VARIANZE DISTRIBUZIONE DI PROBABILITA F SI CALCOLA F
82 DISTRIBUZIONE F di Fisher Gradi di libertà varianza a numeratore (= varianza stimata maggiore) Ampiezze campioni F n ;n s s n n n n ŝ ŝ Gradi di libertà varianza a denominatore (= varianza stimata minore) Varianze campionarie
Verifica delle ipotesi
Statistica inferenziale Stima dei parametri Verifica delle ipotesi Concetti fondamentali POPOLAZIONE o UNIVERSO Insieme degli elementi cui si rivolge il ricercatore per la sua indagine CAMPIONE Un sottoinsieme
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2017-2018 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliDipartimento di Sociologia e Ricerca Sociale. Corso di Laurea in Sociologia. Insegnamento di Statistica (a.a ) dott.ssa Gaia Bertarelli
Dipartimento di Sociologia e Ricerca Sociale Corso di Laurea in Sociologia Insegnamento di Statistica (a.a. 2018-2019) dott.ssa Gaia Bertarelli Esercitazione n. 7 1. Utilizzando le tavole della distribuzione
Dettaglidistribuzione normale
distribuzione normale Si tratta della più importante distribuzione di variabili continue, in quanto: 1. si può assumere come comportamento di molti fenomeni casuali, tra cui gli errori accidentali; 2.
DettagliProbabilità classica. Distribuzioni e leggi di probabilità. Probabilità frequentista. Probabilità soggettiva
Probabilità classica Distribuzioni e leggi di probabilità La probabilità di un evento casuale è il rapporto tra il numero dei casi favorevoli ed il numero dei casi possibili, purchè siano tutti equiprobabili.
DettagliLa SCALA di Probabilità varia tra 0.00 e 1.00.
CHE COS E LA PROBABILITA La probabilità è la MISURA dell incertezza di un evento, cioè come noi classifichiamo gli eventi rispetto alla loro incertezza. La SCALA di Probabilità varia tra 0.00 e 1.00. 0.00
DettagliContenuto del capitolo
Capitolo 8 Stima 1 Contenuto del capitolo Proprietà degli stimatori Correttezza: E(Stimatore) = parametro da stimare Efficienza Consistenza Intervalli di confidenza Per la media - per una proporzione Come
DettagliVariabili aleatorie. Variabili aleatorie
Variabili aleatorie Distribuzione binomiale Si supponga che uno studente affronti un esame composto da domande chiuse. Una sola delle 5 alternative di risposta proposta per ciascuna domanda è vera Supponiamo
DettagliProbabilità: teoremi e distribuzioni
Probabilità: teoremi e distribuzioni OBIETTIVO DIDATTICO DELLA LEZIONE Illustrare le più importanti distribuzioni di probabilità che vengono utilizzate in statistica Distribuzioni di probabilità 1. La
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2016-2017 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliPSICOMETRIA. Corso di laurea triennale (classe 34) VERIFICA DELL IPOTESI CON DUE CAMPIONI
PSICOMETRIA Corso di laurea triennale (classe 34) VERIFICA DELL IPOTESI CON DUE CAMPIONI CAMPIONI INDIPENDENTI Campioni estratti casualmente dalla popolazione con caratteristiche omogenee Assegnazione
DettagliStatistica Inferenziale
Statistica Inferenziale a) L Intervallo di Confidenza b) La distribuzione t di Student c) La differenza delle medie d) L intervallo di confidenza della differenza Prof Paolo Chiodini Dalla Popolazione
DettagliCorso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali. Esercitazione E
Corso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali A.A 2009-2010 Esercitazione E Scopo dell esercitazione Applicazioni del teorema del limite centrale. Rappresentazione delle incertezze
DettagliCORSO DI LAUREA IN INFERMIERISTICA. LEZIONI DI STATISTICA Parte II Elaborazione dei dati Variabilità
CORSO DI LAUREA IN INFERMIERISTICA LEZIONI DI STATISTICA Parte II Elaborazione dei dati Variabilità Lezioni di Statistica VARIABILITA Si definisce variabilità la proprietà di alcuni fenomeni di assumere
DettagliLA DISTRIBUZIONE NORMALE o DI GAUSS
p. 1/2 LA DISTRIBUZIONE NORMALE o DI GAUSS Osservando gli istogrammi delle misure e degli scarti, nel caso di osservazioni ripetute in identiche condizioni Gli istogrammi sono campanulari e simmetrici,
DettagliEsercitazione 5 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione del corso di Statistica Prof. Domenico Vistocco Alfonso Iodice D Enza May 30, 007 1 Esercizio Si consideri una popolazione caratterizzata dai numeri, 3, 6, 8, 11. Si considerino tutti i possibili
DettagliArgomenti della lezione: Campionamento Stima Distribuzione campionaria Campione Popolazione Sottoinsieme degli elementi (o universo) dell '
Lezione 2 Argomenti della lezione: La statistica inferenziale: concetti di base Campionamento Stima Distribuzione campionaria Popolazione (o universo) Insieme di tutti gli elementi cui si rivolge il ricercatore
DettagliΨ PSICOMETRIA. Corso di laurea triennale (classe 34) STATISTICA INFERENZIALE
Ψ PSICOMETRIA Corso di laurea triennale (classe 34) STATISTICA INFERENZIALE STATISTICA INFERENZIALE CAMPIONE caratteristiche conosciute POPOLAZIONE caratteristiche sconosciute STATISTICA INFERENZIALE STIMA
DettagliLE DISTRIBUZIONI CAMPIONARIE
LE DISTRIBUZIONI CAMPIONARIE Argomenti Principi e metodi dell inferenza statistica Metodi di campionamento Campioni casuali Le distribuzioni campionarie notevoli: La distribuzione della media campionaria
DettagliUniversità del Piemonte Orientale Corsi di Laurea triennale di area tecnica. Corso di Statistica Medica. Le distribuzioni teoriche di probabilità
Università del Piemonte Orientale Corsi di Laurea triennale di area tecnica Corso di Statistica Medica Le distribuzioni teoriche di probabilità La distribuzione binomiale La distribuzione Normale (o di
DettagliLaboratorio di Calcolo Paola Gallo
Studio di una funzione Dopo aver calcolato limiti, massimi, minimi e flessi siamo in grado di stabilire noi quali estremi di variabilità e che passo dare alle mie x per poter visualizzare bene nel grafico
DettagliAlcune v.a. discrete notevoli
Alcune v.a. discrete notevoli Variabile aleatoria Bernoulliana Il risultato X di un esperimento aleatorio può essere classificato nel modo che segue: successo oppure insuccesso. Indichiamo: Successo =
DettagliTeorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazion
Teorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazione lineare di N variabili aleatorie le cui funzioni
DettagliUniversità del Piemonte Orientale. Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia. Corso di Statistica Medica
Università del Piemonte Orientale Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia Corso di Statistica Medica Le distribuzioni teoriche di probabilità La distribuzione Normale (o di
DettagliDistribuzione Normale
Distribuzione Normale istogramma delle frequenze di un insieme di misure relative a una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata
DettagliCapitolo 8. Intervalli di confidenza. Statistica. Levine, Krehbiel, Berenson. Casa editrice: Pearson. Insegnamento: Statistica
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 8 Intervalli di confidenza Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
DettagliDISTRIBUZIONI DI CAMPIONAMENTO
DISTRIBUZIONI DI CAMPIONAMENTO 12 DISTRIBUZIONE DI CAMPIONAMENTO DELLA MEDIA Situazione reale Della popolazione di tutti i laureati in odontoiatria negli ultimi 10 anni, in tutte le Università d Italia,
DettagliDistribuzione Normale
Distribuzione Normale istogramma delle frequenze di un insieme di misure di una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata di
DettagliModelli di probabilità
Modelli di probabilità Corso di STATISTICA Ordinario di, Università di Napoli Federico II Professore supplente, Università della Basilicata a.a. 0/0 Obiettivo dell unità didattica Definire i concetti di
DettagliTeoria e tecniche dei test
Teoria e tecniche dei test Lezione 9 LA STANDARDIZZAZIONE DEI TEST. IL PROCESSO DI TARATURA: IL CAMPIONAMENTO. Costruire delle norme di riferimento per un test comporta delle ipotesi di fondo che è necessario
DettagliElementi di Psicometria (con laboratorio software 1)
Elementi di Psicometria (con laboratorio software 1) 05-La verifica delle ipotesi con le medie dei campioni (v. 1.0, 15 aprile 2019) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,
DettagliTECNICHE DI ANALISI DEI DATI
TECNICHE DI ANALISI DEI DATI AA 06/07 PROF. V.P. SENESE Questi materiali sono disponibili per tutti gli studenti al seguente indirizzo: https://goo.gl/rwabbd Seconda Università di Napoli (SUN) Dipartimento
DettagliLEZIONI DI STATISTICA MEDICA
LEZIONI DI STATISTICA MEDICA Lezione n.11 - Principi dell inferenza statistica - Campionamento - Distribuzione campionaria di una media e di una proporzione - Intervallo di confidenza di una media e di
DettagliDistribuzione Gaussiana - Facciamo un riassunto -
Distribuzione Gaussiana - Facciamo un riassunto - Nell ipotesi che i dati si distribuiscano seguendo una curva Gaussiana è possibile dare un carattere predittivo alla deviazione standard La prossima misura
DettagliIndici di. tendenza centrale: posizione: variabilità e dispersione: -quantili -decili -percentili. -Media -Moda -Mediana
Indici di posizione: -quantili -decili -percentili tendenza centrale: -Media -Moda -Mediana variabilità e dispersione: -Devianza - Varianza -Deviazione standard Indici di tendenza centrale Indici di tendenza
DettagliCapitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari"
Levine, Krehbiel, Berenson Statistica Capitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari" Unità Integrata Organizzativa
DettagliTecniche di sondaggio
SMID a.a. 2005/2006 Corso di Statistica per la Ricerca Sperimentale Tecniche di sondaggio 24/1/2006 Nomenclatura Indicheremo con P una popolazione, con N la sua numerosità, con k la sua etichetta e con
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 4
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 4 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Stimatore media campionaria Il tempo in minuti necessario a un certo impiegato dell anagrafe
DettagliDistribuzione normale
Distribuzione normale istogramma delle frequenze di un insieme di misure relative a una grandezza che varia con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata
DettagliDISTRIBUZIONE NORMALE (1)
DISTRIBUZIONE NORMALE (1) Nella popolazione generale molte variabili presentano una distribuzione a forma di campana, bene caratterizzata da un punto di vista matematico, chiamata distribuzione normale
DettagliSCHEDA DIDATTICA N 7
FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA CIVILE CORSO DI IDROLOGIA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N 7 LA DISTRIBUZIONE NORMALE A.A. 01-13 La distribuzione NORMALE Uno dei più importanti
DettagliStatistica. Lezione 4
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 4 a.a 2011-2012 Dott.ssa Daniela
Dettagliassuma valori in un determinato intervallo è data dall integrale della sua densità ( = )=
VARIABILI ALEATORIE CONTINUE Esistono parecchi fenomeni reali per la cui descrizione le variabili aleatorie discrete non sono adatte. Per esempio è necessaria una variabile aleatoria continua ovvero una
DettagliVariabili aleatorie discrete. Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia
Variabili aleatorie discrete Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia 2015-16 1 / 45 Variabili aleatorie Una variabile aleatoria è simile a una variabile statistica Una variabile
DettagliEsercizio 1. Durante un inchiesta su 500 studenti frequentanti i corsi di Algebra (A), Fisica (F) e Statistica è stato rilevato che:
Esercizio 1 Durante un inchiesta su 500 studenti frequentanti i corsi di Algebra (A), Fisica (F) e Statistica è stato rilevato che: A 329 F 186 S 295 AS 217 AF 83 FS 63 AFS 53 Determinare la partizione
DettagliUlteriori Conoscenze di Informatica e Statistica. Popolazione. Campione. I risultati di un esperimento sono variabili aleatorie.
Ulteriori Conoscenze di Informatica e Statistica Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 (I piano) tel.: 06 55 17 72 17 meneghini@fis.uniroma3.it I risultati di un esperimento
DettagliRICHIAMI DI CALCOLO DELLE PROBABILITÀ
UNIVERSITA DEL SALENTO INGEGNERIA CIVILE RICHIAMI DI CALCOLO DELLE PROBABILITÀ ing. Marianovella LEONE INTRODUZIONE Per misurare la sicurezza di una struttura, ovvero la sua affidabilità, esistono due
DettagliTipi di variabili. Indici di tendenza centrale e di dispersione
Tipi di variabili. Indici di tendenza centrale e di dispersione L. Boni Variabile casuale In teoria della probabilità, una variabile casuale (o variabile aleatoria o variabile stocastica o random variable)
DettagliUniversità del Piemonte Orientale. Corso di laurea in biotecnologie. Corso di Statistica Medica. Le distribuzioni teoriche di probabilità.
Università del Piemonte Orientale Corso di laurea in biotecnologie Corso di Statistica Medica Le distribuzioni teoriche di probabilità. La distribuzione di probabilità binomiale Corso di laurea in biotecnologie
DettagliIl campionamento e l inferenza. Il campionamento e l inferenza
Il campionamento e l inferenza Popolazione Campione Dai dati osservati mediante scelta campionaria si giunge ad affermazioni che riguardano la popolazione da cui essi sono stati prescelti Il campionamento
DettagliDistribuzioni e inferenza statistica
Distribuzioni e inferenza statistica Distribuzioni di probabilità L analisi statistica spesso studia i fenomeni collettivi confrontandoli con modelli teorici di riferimento. Tra di essi, vedremo: la distribuzione
DettagliDISTRIBUZIONI DI PROBABILITA (parte 2) 1 / 27
DISTRIBUZIONI DI PROBABILITA (parte 2) 1 / 27 Funzione di ripartizione per variabili casuali discrete 2 / 27 Data una variabile casuale discreta possiamo calcolare, analogamente al caso continuo, la probabilità
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. Le distribuzioni teoriche di probabilità.
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica Le distribuzioni teoriche di probabilità. La distribuzione di probabilità binomiale Corso di laurea
DettagliM 3 = ..p x.q n x. σ 3 = npq q p. npq npq = q p. npq.
Distribuzioni teoriche A. DISTRIBUZIONI DISCRETE - Distribuzione binomiale - Distribuzione multinomiale - Distribuzione di Poisson - Distribuzione ipergeometrica - Distribuzione uniforme B. DISTRIBUZIONI
DettagliVariabile Casuale Normale
Variabile Casuale Normale Variabile Casuale Normale o Gaussiana E una variabile casuale continua che assume tutti i numeri reali, è definita dalla seguente funzione di densità: 1 f( x) = e σ 2 π ( x µ
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. Le distribuzioni teoriche di probabilità.
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica Le distribuzioni teoriche di probabilità. La distribuzione di probabilità binomiale Corso di laurea
Dettagli5 - Esercizi: Probabilità e Distribuzioni di Probabilità (Uniforme, Gaussiana)
5 - Esercizi: Probabilità e Distribuzioni di Probabilità (Uniforme, Gaussiana) Esercizio 1: Una variabile casuale e caratterizzata da una distribuzione uniforme tra 0 e 10. Calcolare - a) la probabilità
DettagliVARIABILI CASUALI CONTINUE
p. 1/1 VARIABILI CASUALI CONTINUE Una variabile casuale continua può assumere tutti gli infiniti valori appartenenti ad un intervallo di numeri reali. p. 1/1 VARIABILI CASUALI CONTINUE Una variabile casuale
DettagliCap. 7 Distribuzioni campionarie
Cap. 7 Distribuzioni campionarie 1 Popolazione e Campione Una popolazione è l insieme di tutte le unità oggetto di studio Tutti i potenziali votanti nelle prossime elezioni Tutti i pezzi prodotti oggi
DettagliUNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA.
Lezione 4 DISTRIBUZIONE DI FREQUENZA 1 DISTRIBUZIONE DI PROBABILITA Una variabile i cui differenti valori seguono una distribuzione di probabilità si chiama variabile aleatoria. Es:il numero di figli maschi
Dettagli1.1 Obiettivi della statistica Struttura del testo 2
Prefazione XV 1 Introduzione 1.1 Obiettivi della statistica 1 1.2 Struttura del testo 2 2 Distribuzioni di frequenza 2.1 Informazione statistica e rilevazione dei dati 5 2.2 Distribuzioni di frequenza
DettagliQuesto calcolo richiede che si conoscano media e deviazione standard della popolazione.
Università del Piemonte Orientale Corso di laurea in biotecnologie Corso di Statistica Medica La distribuzione t - student 1 Abbiamo visto nelle lezioni precedenti come il calcolo del valore Z, riferito
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2016-2017 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliCorrelazione tra due variabili
Correlazione tra due variabili Federico Plazzi 26 Novembre 2015 Correlazione tra due variabili Correlazione tra due variabili Variabili dipendenti e variabili indipendenti La variabile indipendente è quella
DettagliESERCITAZIONE N. 5 corso di statistica
ESERCITAZIONE N. 5corso di statistica p. 1/27 ESERCITAZIONE N. 5 corso di statistica Marco Picone Università Roma Tre ESERCITAZIONE N. 5corso di statistica p. 2/27 Introduzione Variabili aleatorie discrete
DettagliL indagine campionaria Lezione 3
Anno accademico 2007/08 L indagine campionaria Lezione 3 Docente: prof. Maurizio Pisati Variabile casuale Una variabile casuale è una quantità discreta o continua il cui valore è determinato dal risultato
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. La distribuzione t - student
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica La distribuzione t - student 1 Abbiamo visto nelle lezioni precedenti come il calcolo del valore Z,
DettagliSperimentazioni di Fisica I mod. A Statistica - Lezione 2
Sperimentazioni di Fisica I mod. A Statistica - Lezione 2 A. Garfagnini M. Mazzocco C. Sada Dipartimento di Fisica G. Galilei, Università di Padova AA 2014/2015 Elementi di Statistica Lezione 2: 1. Istogrammi
DettagliEsercizi di statistica
Esercizi di statistica Test a scelta multipla (la risposta corretta è la prima) [1] Il seguente campione è stato estratto da una popolazione distribuita normalmente: -.4, 5.5,, -.5, 1.1, 7.4, -1.8, -..
DettagliVedi: Probabilità e cenni di statistica
Vedi: http://www.df.unipi.it/~andreozz/labcia.html Probabilità e cenni di statistica Funzione di distribuzione discreta Istogrammi e normalizzazione Distribuzioni continue Nel caso continuo la probabilità
DettagliEsercitazione del 29 aprile 2014
Esercitazione del 9 aprile 014 Esercizio 10.13 pg. 94 Complemento: Calcolare la probabilità che un negozio apra tra le sette e venti e le nove e quaranta del mattino. Soluzione: Siccome non è nota la distribuzione
DettagliElementi di base su modello binomiale e modello normale
Elementi di base su modello binomiale e modello normale (alcune note) Parte 1: il modello binomiale Di fondamentale importanza nell analisi della qualità sono i modelli. I due principali modelli statistico-probablistici
DettagliElaborazione statistica di dati
Elaborazione statistica di dati 1 CONCETTI DI BASE DI STATISTICA ELEMENTARE 2 Taratura strumenti di misura IPOTESI: grandezza da misurare identica da misura a misura Per la presenza di errori casuali,
DettagliSTATISTICA ESERCITAZIONE
STATISTICA ESERCITAZIONE Dott. Giuseppe Pandolfo 1 Giugno 2015 Esercizio 1 Una fabbrica di scatole di cartone evade il 96% degli ordini entro un mese. Estraendo 300 campioni casuali di 300 consegne, in
DettagliEsercizi di statistica inferenziale
Dipartimento di Fisica SMID a.a. 004/005 Esercizi di statistica inferenziale Prof. Maria Antonietta Penco tel. 0103536404 penco@fisica.unige.it 6/1/005 Esercizio1 E noto che un grande numero di pazienti
DettagliIntervallo di confidenza.
Intervallo di confidenza annarita.vestri@uniroma1.it campione inferenza popolazione Media Riportare sempre anche la deviazione standard Stima puntuale di Media, dev.standard, numerosità Qualche semplice
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2018-2019 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliTeoria e tecniche dei test. Concetti di base
Teoria e tecniche dei test Lezione 2 2013/14 ALCUNE NOZIONI STATITICHE DI BASE Concetti di base Campione e popolazione (1) La popolazione è l insieme di individui o oggetti che si vogliono studiare. Questi
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 4 Abbiamo visto: Distribuzioni discrete Modelli probabilistici nel discreto Distribuzione uniforme
DettagliPROBABILITA. Distribuzione di probabilità
DISTRIBUZIONI di PROBABILITA Distribuzione di probabilità Si definisce distribuzione di probabilità il valore delle probabilità associate a tutti gli eventi possibili connessi ad un certo numero di prove
DettagliV.C. UNIFORME. 1 n. con funzione di probabilità associata: MODA(X): la distribuzione Uniforme è zeromodale.
V.C. UNIFORME La v.c. discreta UNIFORME descrive il modello probabilistico dell equiprobabilità. I valori della v.c.u. sono dati dai primi n numeri naturali: x = 1, 2,, (n-1), n con funzione di probabilità
DettagliModelli probabilistici variabili casuali
Modelli probabilistici variabili casuali Le variabili casuali costituiscono il legame tra il calcolo della probabilità e gli strumenti di statistica descrittiva visti fino ad ora. Idea: pensiamo al ripetersi
DettagliFENOMENI CASUALI. fenomeni casuali
PROBABILITÀ 94 FENOMENI CASUALI La probabilità si occupa di fenomeni casuali fenomeni di cui, a priori, non si sa quale esito si verificherà. Esempio Lancio di una moneta Testa o Croce? 95 DEFINIZIONI
DettagliDr. Marco Vicentini Anno Accademico Rev 20/04/2011
Università degli Studi di Padova Facoltà di Psicologia, L4, Psicometria, Modulo B Dr. Marco Vicentini marco.vicentini@unipd.it Anno Accademico 2010 2011 Rev 20/04/2011 La distribuzione χ 2 Tabelle di contingenza
DettagliUniversità del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia. Corso di Statistica Medica. Correlazione. Regressione Lineare
Università del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia Corso di Statistica Medica Correlazione Regressione Lineare Corso di laurea in medicina e chirurgia - Statistica Medica Correlazione
Dettaglistandardizzazione dei punteggi di un test
DIAGNOSTICA PSICOLOGICA lezione! Paola Magnano paola.magnano@unikore.it standardizzazione dei punteggi di un test serve a dare significato ai punteggi che una persona ottiene ad un test, confrontando la
DettagliMetodi statistici per lo studio dei fenomeni biologici
Metodi statistici per lo studio dei fenomeni biologici Alla fine di questa lezione dovreste essere in grado di: descrivere la distribuzione di campionamento della differenza di due medie costruire gli
DettagliSoluzione Esercizio 1 (pag 1):
8 - Test di Ipotesi Esercizio 1: Dopo anni di esperienza e noto che la distribuzione della concentrazione di rame nel sangue umano e ben descritta da una distribuzione gaussiana di parametri μ=3.2 10-5
DettagliUlteriori Conoscenze di Informatica e Statistica
Ulteriori Conoscenze di Informatica e Statistica Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 (I piano) tel.: 06 55 17 72 17 meneghini@fis.uniroma3.it Indici di forma Descrivono le
Dettaglifacile!!! Ripasso Psicometria
La statistica ti ti è facile!!! Ripasso Psicometria Strumenti psicometrici di Tecniche di ricerca e analisi dei dati analisi dati La statistica ti ti è facile!!! Distribuzione normale Strumenti psicometrici
DettagliStatistica ARGOMENTI. Calcolo combinatorio
Statistica ARGOMENTI Calcolo combinatorio Probabilità Disposizioni semplici Disposizioni con ripetizione Permutazioni semplici Permutazioni con ripetizioni Combinazioni semplici Assiomi di probabilità
DettagliEsercitazione 8 maggio 2014
Esercitazione 8 maggio 2014 Esercizio 2 dal tema d esame del 13.01.2014 (parte II). L età media di n gruppo di 10 studenti che hanno appena conseguito la laurea triennale è di 22 anni. a) Costruire un
DettagliCampionamento e stima di parametri
Sia X una variabile aleatoria associata a un dato esperimento. Ripetiamo l esperimento n volte, ottenendo una famiglia di valori sperimentali della v.a. X : X = (X 1, X 2,..., X n ) ogni X i é una v.a.
Dettaglitabelle grafici misure di
Statistica Descrittiva descrivere e riassumere un insieme di dati in maniera ordinata tabelle grafici misure di posizione dispersione associazione Misure di posizione Forniscono indicazioni sull ordine
Dettagli1. Quali sono i possibili campioni di numerosità 2 senza reimmissione? X 1 e X 2 sono indipendenti?
Esercizio 1 Consideriamo una popolazione X, dove X = {3,5,7}. 1. Quali sono i possibili campioni di numerosità 2 senza reimmissione? X 1 e X 2 sono indipendenti? 2. Quali sono i possibili campioni di numerosità
Dettagli